Publicado em 9 Janeiro 2018

Vivemos uma época de transformações tecnológicas.

Contamos com máquinas que efetuam o trabalho de diversos homens em diferentes segmentos do mercado.

Elas ajudam a salvar vidas nos hospitais e são usadas também com finalidade educacional. Um termo muito utilizado atualmente é o machine learning. Você sabe o que isso significa? Leia o post e veja de que se trata!

O que é machine learning

Machine learning significa “aprendizado de máquina”, ou seja, é um termo empregado quando se fala em máquinas capazes de desenvolver seu aprendizado, de assimilarem novos conhecimentos e novas funções com o passar do tempo.

Trata-se de uma metodologia de análise de dados que torna automático o desenvolvimento de modelos analíticos.  São aplicados algoritmos que aprendem de forma interativa, utilizando dados.

Com o aprendizado, os computadores podem ter “ideias”, fazer descobertas interessantes sem que tenham sido programados efetivamente com uma finalidade específica.

As vantagens de machine learning

O aprendizado de máquina atualmente é diferente do aprendizado há décadas atrás. O conceito de IA, Inteligência Artificial, tão explorado na literatura e no cinema, vem se tornando uma realidade cada vez mais concreta e benéfica, atuando em prol da melhor eficiência e da maior produtividade dentro das empresas.

Eis algumas das vantagens de machine learning, que podem ser aproveitadas tanto em grandes empresas quanto nas pequenas e médias:

– Anúncios em tempo real (páginas da internet e dispositivos móveis);

– Resultados de pesquisa na internet;

– Identificação de fraudes;

– Previsões de falhas em máquinas e equipamentos;

– Análise de sentimentos baseada em texto;

– Identificação de invasão na rede;

– Novos modelos de precificação;

– Reconhecimento de imagens e padrões;

– Recomendações de materiais, mídia ou documentos baseadas nos hábitos do usuário:

– Filtragem de spam nos e-mails.

Os tipos de aprendizado

O Aprendizado de máquina tem dois tipos principais: supervisionado e não-supervisionado. No primeiro, os algoritmos são utilizados a partir de exemplos rotulados, como uma entrada em que existe uma saída já prevista. O algoritmo desenvolve seu aprendizado comparando a saída real com a saída ideal, identificando erros e corrigindo-os.

Já no segundo caso, não existe uma resposta ideal ou resposta certa. Cabe ao algoritmo descobrir o que está sendo apresentado. Dessa forma, ele explora os dados e procura descobrir uma estrutura neles.

Ainda existem outras duas técnicas de machine learning: o aprendizado semi-supervisionado, no qual o algoritmo aplica entradas com saídas já definidas e o aprendizado por reforço, no qual, por meio do método de tentativa e erro, o algoritmo descobre quais ações produzem as melhores recompensas (é muito aplicado em jogos, navegação e robótica).

Os exemplos mais comuns de machine learning

Para tornar ainda mais fácil identificar a inteligência artificial no dia a dia, exemplifiquemos com aplicações que já são familiares à maioria das pessoas. As empresas Netflix e Amazon usam a metodologia para fazer ofertas de recomendações online aos usuários dos seus sites.

Em outros exemplo, os gestores que acessam o Twitter para saber o que os consumidores estão falando sobre suas marcas, também fazem uso do aprendizado de máquina em combinação com o desenvolvimento de regras linguísticas.

Nos aplicativos do G Suite também é possível usufruir dos benefícios de machine learning: Google Drive, Google Planilhas, Google Slides, Google Documentos e Google Cloud Search (um poderoso recurso de pesquisa para o ambiente corporativo).

E agora? O que pensa sobre o machine learning? Aproveite para curtir a nossa página no Facebook e saber mais sobre este e outros temas.

QI_CTA_CulturaDeInovacao